醫(yī)療領(lǐng)域可以說是AI進(jìn)軍的重要方向。目前上馬的項(xiàng)目就包括了AI診療、藥物研發(fā)等，甚至有機(jī)構(gòu)專門做出深度學(xué)習(xí)模型用來預(yù)測(cè)死亡時(shí)間。但受限于知識(shí)圖譜的不完善、NLP研發(fā)不成熟等技術(shù)條件，能夠直接應(yīng)用的并不多。

另一方面，醫(yī)學(xué)影像識(shí)別、健康管理乃至智能掛號(hào)管理的AI應(yīng)用則普遍得多。這些醫(yī)療領(lǐng)域或是用AI來處理數(shù)據(jù)，如安排掛號(hào)，或是利用了圖像識(shí)別技術(shù)，這些恰恰是AI研究較為成熟的領(lǐng)域。

而據(jù)Nature Digital Medicine發(fā)表的一項(xiàng)***研究，AI在醫(yī)療領(lǐng)域的應(yīng)用取得了新的進(jìn)展，很有可能會(huì)為成熟的“AI+醫(yī)療”應(yīng)用再添新軍。

模型在手，進(jìn)了醫(yī)院就知道什么時(shí)候能走

根據(jù)傳統(tǒng)的住院方案，醫(yī)生往往是根據(jù)患者的病情預(yù)測(cè)、住院時(shí)長(zhǎng)、治療方案等傳統(tǒng)治療經(jīng)驗(yàn)來作出住院的決定。住多少天基本是根據(jù)患者的每日恢復(fù)情況來定，恢復(fù)差不多了，就基本可以出院了。這種跟蹤式的動(dòng)態(tài)住院管理讓患者被告知出院和出院這兩個(gè)時(shí)間點(diǎn)之間存在一個(gè)很短的時(shí)間差，而這也就令病床安排的靈活性大大降低。

一個(gè)有斯坦福大學(xué)教授參與的團(tuán)隊(duì)最近利用深度學(xué)習(xí)構(gòu)建的一個(gè)新的預(yù)測(cè)住院的算法模型，可能將會(huì)令這種情況在未來得到改善。

這個(gè)模型通過對(duì)超過20萬份成年患者的不同醫(yī)療機(jī)構(gòu)的電子記錄的分析，可以實(shí)現(xiàn)一些高精度的預(yù)測(cè)任務(wù)。比如預(yù)測(cè)患者的住院死亡率、長(zhǎng)期的住院時(shí)間以及30天之后的再次入院可能。

具體來講，研究人員以入院時(shí)、住院24小時(shí)和出院時(shí)的三個(gè)時(shí)間點(diǎn)，對(duì)以上述的三個(gè)住院類型來采取不同的數(shù)據(jù)側(cè)重分析點(diǎn)。

預(yù)測(cè)住院死亡率：通過心率、呼吸頻率、溫度和常規(guī)實(shí)驗(yàn)室測(cè)試中的白細(xì)胞數(shù)、乳酸鹽等來分析存在死亡風(fēng)險(xiǎn)的患者，這些指標(biāo)通常都會(huì)涉及到患者的生存質(zhì)量。

預(yù)測(cè)30天再次入院：根據(jù)以往的住院處次數(shù)、當(dāng)前的住院時(shí)間、醫(yī)院的服務(wù)水平等來預(yù)測(cè)患者是否會(huì)存在30天后再次入院的可能。住院次數(shù)多在一定程度上反映了患者對(duì)醫(yī)療資源的依賴程度，而醫(yī)院的服務(wù)水平高的話也將成為患者再次入院的***。

預(yù)測(cè)患者的長(zhǎng)期住院：根據(jù)患者性別、入院來源(比如從下級(jí)醫(yī)院轉(zhuǎn)院)等因素來判斷患者是否會(huì)長(zhǎng)期住院(7天以上)。尤其是轉(zhuǎn)院，原先醫(yī)院難以就地解決，說明患者病情嚴(yán)重，就存在長(zhǎng)期住院的可能。

這種基于超過20萬份樣本而做出的預(yù)測(cè)在一定程度上是可信的。根據(jù)研究，其對(duì)患者死亡率的預(yù)測(cè)明顯要高于傳統(tǒng)的研究模型?？梢灶A(yù)見的是，該模型對(duì)患者提高生命質(zhì)量和降低醫(yī)院的醫(yī)療保健成本是具有顯著的意義的。

關(guān)乎病患生存，AI醫(yī)療有試錯(cuò)也要更精準(zhǔn)

如果說摸清人體病理特征目前對(duì)AI來說有點(diǎn)苛求，利用這個(gè)模型對(duì)患者的健康指數(shù)的幫助尚需時(shí)日的話，那么，其最直接的應(yīng)用場(chǎng)景或許可以是醫(yī)院的病床管理。

在中國(guó)，優(yōu)質(zhì)的醫(yī)療資源往往大量集中在省級(jí)或更高級(jí)的醫(yī)院，導(dǎo)致這些醫(yī)院的病床普遍緊張。走廊乃至樓梯道都被病床鋪滿，還有更多病人需要提前很多天進(jìn)行預(yù)約，費(fèi)時(shí)甚久。再加上陪護(hù)家屬，病房樓往往人滿為患。

那么，通過這個(gè)深度計(jì)算模型的應(yīng)用，一方面可以讓醫(yī)生給患者提供更精確的出院時(shí)間建議，給醫(yī)院管理部門準(zhǔn)確的床位空出時(shí)間以作安排;另一方面也可以大大減少病床排期中的不確定性，相對(duì)縮短住院時(shí)間。

這樣一來，患者的住院時(shí)間減少了，有需求的病人也能夠減少等待時(shí)間。從整體上來看，雖然醫(yī)院的住院人數(shù)基本沒有變化，但患者的流動(dòng)速度加快了，也就無形之中提高了住院部的管理效率。

另一方面，借助AI的住院管理，也可以大大節(jié)省醫(yī)院的勞力，對(duì)床位使用作更為長(zhǎng)期的規(guī)劃。比如以前是空出今天一張床、計(jì)劃明天一張床，而現(xiàn)在則可以空出今天一張床、計(jì)劃明天一張床、準(zhǔn)備后天一張床，對(duì)床位的安排預(yù)測(cè)更遠(yuǎn)，實(shí)現(xiàn)超前的床位管理。

而由于模型訓(xùn)練中對(duì)樣本數(shù)據(jù)分析的不足，其距離真正投入使用仍有一定的距離。比如樣例患者的健康資料是來自不同的醫(yī)療機(jī)構(gòu)，而不同的機(jī)構(gòu)采用的記錄方式、病例注釋甚至是一些醫(yī)生個(gè)性化的建議都存在著不同，模型在進(jìn)行預(yù)測(cè)的時(shí)候利用的是不同健康資料的共性之處，而對(duì)那些變量則難以把握。因此，盡管其預(yù)測(cè)精準(zhǔn)率已經(jīng)高于一些傳統(tǒng)的方式，但在事實(shí)上仍然會(huì)存在一些著精度上的偏差。

并且，由于是涉及到醫(yī)院的管理和對(duì)患者健康的檢測(cè)，在應(yīng)用的過程中也應(yīng)該考慮到產(chǎn)生醫(yī)患矛盾的可能。如果患者按照預(yù)測(cè)建議出院，但不久又二次住院是否會(huì)破壞患者信任?又或者是否會(huì)讓患者長(zhǎng)期無意義地住院?尤其是對(duì)于病人死亡率的預(yù)測(cè)，其更應(yīng)該謹(jǐn)慎而行，畢竟事關(guān)生死，需要有一定的心理承受力。

當(dāng)然，AI在醫(yī)療領(lǐng)域行進(jìn)的潮流是不可逆的。相對(duì)于一些商業(yè)性活動(dòng)的AI應(yīng)用是為了追求效益，AI在醫(yī)療方面的研究更多地是去關(guān)注患者的生命質(zhì)量。每個(gè)人都是珍貴的生命體，現(xiàn)在我們需要AI的精準(zhǔn)護(hù)駕，但也要給AI足夠的時(shí)間去試錯(cuò)和更新。